=Напредна Тема: Векторска база на податоци – подсистем за препорака на услуги == Документација за напредна тема [[html(Dokumentacija_Preporaka_napredna_tema.pdf)]] Оваа напредна тема опфаќа имплементација на подсистем за препорака на услуги во платформа за резервации во салони за убавина, базиран на векторски embeddings и семантичко пребарување. Системот користи модел кој ги трансформира текстуалните описи на услугите во 384-димензионални вектори. На тој начин, услугите се претставуваат како точки во семантички простор, што овозможува пребарување според значење и контекст, наместо класично keyword пребарување. Архитектурата се состои од два дела: * генерирање и складирање на embeddings во PostgreSQL, * модул за препорака кој пресметува сличност помеѓу корисничкиот профил и достапните услуги. Поддржани се два типа препораки: 1. Семантичка препорака преку текстуален внес. 2. Персонализирана препорака базирана на историја на претходни закажувања. За корисници без историја, препораките се генерираат директно од внесениот опис или категорија. Рангирањето на резултатите користи хибриден пристап кој комбинира косинусна сличност со дополнителни фактори како просечна оцена и популарност на услугата. Со тоа се добиваат попрецизни и поквалитетни препораки. Имплементацијата е изработена со Python, PostgreSQL, SentenceTransformers и NumPy и претставува практична примена на векторски бази на податоци во персонализирани препорачувачки системи. Имплементацијата е изработена со Python, PostgreSQL, SentenceTransformers и NumPy. Ваквиот пристап покажува како концептите од векторски бази на податоци можат успешно да се применат во реален софтверски систем, со добри перформанси, можност за проширување и практична употреба во персонализирани препорачувачки системи.